-
题名基于栈式降噪稀疏自编码器的极限学习机
被引量：14
- 1
-
-
作者
张国令
王晓丹
李睿
来杰
向前
-
机构
空军工程大学防空反导学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第9期61-67,共7页
-
基金
国家自然科学基金(61876189,61273275,61806219,61703426)。
-
文摘
极限学习机(ELM)随机选择网络输入权重和隐层偏置,存在网络结构复杂和鲁棒性较弱的不足。为此,提出基于栈式降噪稀疏自编码器(sDSAE)的ELM算法。利用sDSAE稀疏网络的优势,挖掘目标数据的深层特征,为ELM产生输入权值与隐层偏置以求得隐层输出权值,完成训练分类器,同时通过加入稀疏性约束优化网络结构,提高算法分类准确率。实验结果表明,与ELM、PCA-ELM、ELM-AE和DAE-ELM算法相比,该算法在处理高维含噪数据时分类准确率较高,并且具有较强的鲁棒性。
-
关键词
极限学习机
降噪稀疏自编码器
稀疏性
深度学习
特征提取
-
Keywords
Extreme Learning Machine(ELM)
denoising sparse auto-encoder(dsae)
sparsity
deep learning
feature extraction
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
